Estudio de la complejidad del Español para la simplificación textual

Contenido principal del artículo

Randall Araya Camposa
Paula Estrella
José Arguedas Castillo
Walter Alvarez Grijalba

Resumen

La mayoría de los trabajos en el área de la simplificación textual se realizan sobre el idioma
inglés por contar con más recursos lingüísticos y sobre el género periodístico. Sin embargo,
por nuestro contexto, en este trabajo nos concentramos en estudiar y automatizar las métricas
existentes para medir complejidad léxica para el español, como paso previo a la identificación
de frases complejas y su subsiguiente simplificación. Otro aspecto novedoso de este trabajo
es la utilización de corpus relacionados a los derechos humanos, concretamente de la
Organización para las Naciones Unidas y del Alto Comisionado de las Naciones Unidas para
los Refugiados. Los aportes más significativos son: la creación de una herramienta de código
abierto, que genera un informe sobre la complejidad de un texto dado con el fin de dar soporte
a quien esté interesado en simplificar ese texto, y la propuesta de una nueva métrica para medir
la complejidad de manera multifacética. Los resultados obtenidos en los distintos experimentos
realizados son prometedores y en muchos casos confirman las hipótesis planteadas.

Detalles del artículo

Cómo citar
Araya Camposa, R. . ., Estrella, P. ., Arguedas Castillo, J. ., & Alvarez Grijalba, W. . (2020). Estudio de la complejidad del Español para la simplificación textual. Revista Tecnología En Marcha, 33(7), Pág. 45–63. https://doi.org/10.18845/tm.v33i7.5478
Sección
Artículo científico

Citas

Wikipedia, “Derecho de acceso a la información — wikipedia, la enciclopedia libre,” 2018, [Internet; descargado 21-marzo-2018].

G. Paetzold and L. Specia, “Semeval 2016 task 11: Complex word identification,” in Proceedings of the 10th

International Workshop on Semantic Evaluation (SemEval-2016), 2016, pp. 560–569.

R. Chandrasekar, C. Doran, and B. Srinivas, “Motivations and methods for text simplification,” in Proceedings of

the 16th conference on Computational linguistics-Volume 2. Association for Computational Linguistics, 1996,

pp. 1041–1044.

R. Chandrasekar and B. Srinivas, “Automatic induction of rules for text simplification1,” Knowledge-Based

Systems, vol. 10, no. 3, pp. 183–190, 1997.

M. Dras, “Tree adjoining grammar and the reluctant paraphrasing of text,” Ph.D. dissertation, Macquarie

University Sydney, 1999.

J. Carroll, G. Minnen, Y. Canning, S. Devlin, and J. Tait, “Practical simplification of english newspaper text to

assist aphasic readers,” in Proceedings of the AAAI-98 Workshop on Integrating Artificial Intelligence and

Assistive Technology, 1998, pp. 7–10.

C. Fellbaum, WordNet. Wiley Online Library, 1998.

P. T. Quinlan, The Oxford psycholinguistic database. University Press, 1992.

W. Hwang, H. Hajishirzi, M. Ostendorf, and W. Wu, “Aligning sentences from standard wikipedia to simple

wikipedia,” in Proceedings of the 2015 Conference of the North American Chapter of the Association for

Computational Linguistics: Human Language Technologies, 2015, pp. 211–217.

Z. Zhu, D. Bernhard, and I. Gurevych, “A monolingual tree-based translation model for sentence simplification,”

in Proceedings of the 23rd international conference on computational linguistics. Association for Computational

Linguistics, 2010, pp. 1353–1361.

K. Yamada and K. Knight, “A syntax-based statistical translation model,” in Proceedings of the 39th Annual

Meeting on Association for Computational Linguistics. Association for Computational Linguistics, 2001, pp.

–530.

R. Flesch, “A new readability yardstick.” Journal of applied psychology, vol. 32, no. 3, p. 221, 1948.

K. Woodsend and M. Lapata, “Wikisimple: Automatic simplification of wikipedia articles.” in Aaai, 2011.

S. Wubben, A. Van Den Bosch, and E. Krahmer, “Sentence simplification by monolingual machine translation,”

in Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics: Long PapersVolume 1. Association for Computational Linguistics, 2012, pp. 1015–1024.

P. Koehn, H. Hoang, A. Birch, C. Callison-Burch, M. Federico, N. Bertoldi, B. Cowan, W. Shen, C. Moran,

R. Zens et al., “Moses: Open source toolkit for statistical machine translation,” in Proceedings of the 45th

annual meeting of the ACL on interactive poster and demonstration sessions. Association for Computational

Linguistics, 2007, pp. 177– 180.

S. M. Aluísio, L. Specia, T. A. Pardo, E. G. Maziero, and R. P. Fortes, “Towards brazilian portuguese automatic

text simplification systems,” in Proceedings of the Eighth ACM Symposium on Document Engineering, ser.

DocEng ’08. New York, NY, USA: ACM, 2008, pp. 240–248.

H. Saggion, E. Gómez-Martínez, E. Etayo, A. Anula, and L. Bourg, “Text simplification in simplext: Making texts

more accessible,” Procesamiento del lenguaje natural, no. 47, pp. 341–342, 2011.

A. Candido Jr, E. Maziero, C. Gasperin, T. A. Pardo, L. Specia, and M. Aluisio, “Supporting the adaptation of

texts for poor literacy readers: a text simplification editor for brazilian portuguese,” in Proceedings of the Fourth

Workshop on Innovative Use of NLP for Building Educational Applications. Association for Computational

Linguistics, 2009, pp. 34–42.

S. Bott, L. Rello, B. Drndarevic, and H. Saggion, “Can spanish be simpler? lexsis: Lexical simplification for

spanish,” Proceedings of COLING 2012, pp. 357–374, 2012.

B. Drndarevic´, S. Štajner, S. Bott, S. Bautista, and H. Saggion, “Automatic text simplification in spanish: a

comparative evaluation of complementing modules,” in International Conference on Intelligent Text Processing

and Computational Linguistics. Springer, 2013, pp. 488– 500.

S. Bautista and H. Saggion, “Can numerical expressions be simpler? implementation and demostration of a

numerical simplification system for spanish.” in LREC, 2014, pp. 956–962.

S. B. Blasco, “Un modelo computacional para la simplificación automática de expresiones numéricas,” 2015.

M. Shardlow, “A survey of automated text simplification,” International Journal of Advanced Computer Science

and Applications, vol. 4, no. 1, pp. 58–70, 2014.

M. Zampieri, S. Malmasi, G. Paetzold, and L. Specia, “Complex word identification: Challenges in data

annotation and system performance,” in Proceedings of the 4th Workshop on Natural Language Processing

Techniques for Educational Applications (NLPTEA 2017), 2017, pp. 59– 63.

A. Saint-Exupéry, El principito, 2003.

A. Eisele and Y. Chen, “Multiun: A multilingual corpus from united nation documents,” in Proceedings of the

Seventh conference on International Language Resources and Evaluation, D. Tapias, M. Rosner, S. Piperidis,

J. Odjik, J. Mariani, B. Maegaard, K. Choukri, and N. C. C. Chair), Eds. European Language Resources

Association (ELRA), 5 2010, pp. 2868–2872.

S. Spaulding, “A spanish readability formula,” The Modern Language Journal, vol. 40, no. 8, pp. 433–441,

A. Anula, “Tipos de textos, complejidad lingüıstica y facilicitación lectora,” in Actas del Sexto Congreso de

Hispanistas de Asia, 2007, pp. 45–61.

M. L. Forcada, M. Ginestí-Rosell, J. Nordfalk, J. O’Regan, S. OrtizRojas, J. A. Pérez-Ortiz, F. Sánchez-Martínez,

G. Ramírez-Sánchez, and F. M. Tyers, “Apertium: a free/open-source platform for rule-based machine translation,” Machine translation, vol. 25, no. 2, pp. 127–144, 2011.

J. L. Fleiss, “Measuring nominal scale agreement among many raters.” Psychological bulletin, vol. 76, no. 5,

p. 378, 1971.